모든 유형의 인공 지능 이해

게시 됨: 2021-06-14

목차

인공 지능

과학의 학제 간 분과인 인공 지능은 인간 지능을 통해 작업을 수행할 수 있는 기능을 갖춘 기계 개발에 중점을 둡니다. 인간의 지능을 기계로 시뮬레이션하는 과정을 말합니다. 시스템은 인간의 행동과 행동을 모방하도록 특별히 훈련되고 그에 따라 프로그래밍됩니다. 학습, 추론 및 인식은 인공 지능의 목표입니다. AI는 다음과 같은 여러 산업에서 사용됩니다. 의료, 금융 등이 효율적으로 AI를 적용하고 있습니다.

다양한 유형의 AI 를 탐색하면 기존 유형과 미래 유형의 AI와 관련된 과제를 명확하게 파악할 수 있습니다.

AI는 어떻게 분류되나요?

인공 지능의 주요 목적은 인간 지능 프로세스를 모방하는 것입니다. 따라서 AI 분류에 사용되는 기준은 AI 시스템이 인간의 능력을 복제할 수 있는 정도입니다. 따라서 모델이 유사한 효율성으로 더 인간과 유사한 기능을 수행할 수 있다면 더 진화된 유형의 AI 로 간주됩니다 . 반면에 성능과 기능이 제한된 유형의 AI는 덜 진화된 유형의 AI로 간주됩니다.

대부분 인공 지능은 기능 기반과 기능 기반의 두 가지 범주로 크게 나눌 수 있습니다.

인공 지능의 유형

나). 1종 AI : 능력 기반

1. 약한 AI 또는 좁은 AI (Artificial Narrow Intelligence, ANI)

  • 지능으로 전용 작업을 수행해야 할 때 좁은 AI가 등장합니다. 세계에서 가장 흔한 AI 유형입니다.
  • 모델은 학습된 작업만 수행할 수 있으므로 좁은 AI를 Weak AI라고도 합니다. 자신의 분야를 넘어서는 성과를 낼 수 없습니다.
  • 좁은 AI의 가장 좋은 예 중 하나는 미리 정의된 기능 세트에서 작동하는 Apple Siri입니다.
  • 좁은 AI의 또 다른 예는 기계 학습과 자연어 처리를 전문가 시스템 접근 방식과 결합한 IBM Watson 슈퍼컴퓨터입니다.
  • 좁은 AI의 예로는 체스, 음성 인식 등이 있습니다.

2. 일반 AI(인공 일반 지능)

  • 이 유형의 AI는 인간과 유사한 모든 지적 작업을 수행할 수 있습니다.
  • 모델 개발의 이면에 있는 아이디어는 인간처럼 생각하고 똑똑하게 생각할 수 있는 더 똑똑한 시스템이 존재해야 한다는 사실에 있습니다.
  • 현재, 그러한 시스템의 어떤 유형도 존재하지 않습니다. 그러나 연구자들은 그러한 AI 시스템의 개발에 집중하고 있습니다.

3. 슈퍼 AI(인공 슈퍼 지능)

  • 이러한 유형의 AI는 시스템이 인지 속성의 능력을 통해 인간보다 훨씬 더 나은 작업을 수행할 수 있는 일반 AI의 결과입니다.
  • 슈퍼 AI의 특징에는 계획, 학습, 퍼즐 풀기, 조정 등이 포함됩니다. 이 모든 것이 그 자체입니다.
  • 슈퍼 AI 시스템의 개발은 여전히 ​​과제이며 AI의 가상 개념입니다.

Ⅱ). 유형 2: 기능 기반

1. 반응 기계

  • 기본적인 기능을 수행하는 가장 단순한 형태의 인공 지능입니다. 이들은 또한 제한된 기능을 가진 가장 오래된 형태의 AI입니다.
  • 이 유형의 AI에는 어떤 유형의 학습도 포함되지 않습니다. 모델은 일부 입력에 대한 반응으로 일부 출력을 생성합니다. 입력이 저장되지 않으므로 "학습"할 수 없습니다.
  • 이 모델은 다양한 자극에 반응하는 인간 정신의 능력을 기반으로 합니다. 현재 행동을 결정하는 데 사용되는 과거 경험은 없습니다.
  • 제한된 입력 세트에 대한 자동 응답을 위해 이러한 유형의 AI 모델이 선호될 수 있습니다.
  • 반응 기계는 프로그래밍된 작업에 대해서만 작동할 수 있습니다. 게다가 기계는 세상에 대한 지식이나 개념이 없기 때문에 제대로 작동하지 않습니다.
  • 이러한 유형의 AI 모델의 특징 중 하나는 작업 실행 시간과 장소에 관계없이 기계가 항상 프로그래밍된 것과 동일한 방식으로 작동한다는 것입니다.
  • 반응 기계와 관련된 성장은 없으며 반복되는 행동과 행동의 정체만 있습니다.

인공 지능의 예 는 IBM의 체스 슈퍼컴퓨터인 IBM의 Deep Blue에서 찾을 수 있습니다. 이 슈퍼컴퓨터는 1997년 Grandmaster Garry Kasparov를 이긴 게임기입니다. 이 기계는 체스판의 조각을 식별하고 다음 움직임을 예측할 수 있습니다. . 그런 다음 가능성 집합에서 최적의 움직임을 선택합니다. 이 기계는 과거에 대한 개념 없이 현재 지식을 사용합니다.

2. 제한된 메모리

  • 제한된 메모리 유형의 AI는 이전에 학습된 정보, 저장된 데이터 또는 이벤트에서 지식을 도출하는 모델로 구성됩니다.
  • 반응 기계의 기능 외에도 제한된 메모리는 과거 데이터에서 학습하여 결정을 내릴 수 있습니다. 이러한 유형의 AI에는 이전 데이터 또는 이전 예측을 저장하는 프로세스가 포함됩니다. 이러한 데이터는 궁극적으로 더 나은 예측을 하는 데 도움이 됩니다.
  • 모델은 많은 양의 훈련 데이터로 훈련됩니다. 그런 다음 이러한 데이터는 시스템의 메모리에 참조 모델로 저장되어 향후 문제를 해결하는 데 사용됩니다.

이러한 유형의 AI 적용은 가상 비서, 챗봇 등에서 찾을 수 있습니다.

제한된 메모리의 적용은 자율주행차의 개념으로 설명할 수 있습니다.

  • 자율주행차는 마치 다른 차의 속도와 방향을 관찰하듯 과거를 들여다본다. 이것은 한 번에 달성되지 않지만 시간이 지남에 따라 특정 개체를 식별하는 작업이 필요합니다.
  • 차선 표시, 신호등, 도로 곡률 등과 함께 위에서 언급한 정보는 이미 자동차에 프로그래밍되어 있습니다. 이 정보를 바탕으로 자율주행차는 언제 차선을 변경할지, 치임을 피할지 등을 결정할 수 있습니다.
  • 정보는 일시적이며 자동차의 경험 라이브러리로 저장되지 않습니다.

AI의 제한된 메모리 유형은 세 가지 유형의 모델에 적용됩니다.

  1. 강화 학습

이러한 유형의 모델은 기계 학습에 적용되어 환경과의 상호 작용을 통해 미래 결과를 예측합니다. 시행착오의 순환으로 구성되어 있습니다. 강화 모델의 예에는 컴퓨터에 체스 게임 방법을 가르치는 것이 포함됩니다.

  1. 장기 단기 기억(LSTM)

LSTM 모델은 시퀀스의 다음 결과를 예측하는 데 도움이 됩니다. 따라서 과거의 항목은 현재 항목보다 덜 중요한 것으로 간주됩니다.

  1. E-GAN(진화적 생성 적대적 네트워크)

이러한 유형의 모델은 성장하는 과정을 보여주면서 계속 진화합니다. 매번 정해진 경로를 따르지 않고 대신 수정됩니다. 이러한 수정은 더 나은 또는 최소 저항 경로의 예측으로 이어질 수 있습니다. 모델 E-GAN의 시뮬레이션 과정은 지구상의 인간의 진화와 다소 유사합니다.

제한된 메모리 유형의 작업 시스템

이 유형의 모델은 두 가지 방식으로 작동합니다.

  • 모델은 새로운 데이터에 대해 지속적으로 학습되고 있습니다.
  • 모델의 AI 환경은 모델의 자동 훈련 및 모델 동작에 대한 갱신의 기회를 제공합니다.

위에서 언급한 두 가지 유형의 AI는 실제로 풍부하게 발견되었습니다. 그러나 다음 두 가지 유형의 AI는 이론적인 개념으로 존재하거나 작업 중인 것입니다.

3. 마음 이론

  • 마음 이론은 인간의 마음과 동등하지만 기계를 통해 의사 결정 프로세스가 수행되는 기계 학습 모델을 나타냅니다.
  • 연구원들은 현재 개념적 유형의 AI인 "마음 이론"의 혁신에 참여하고 있습니다.
  • 이러한 유형의 AI는 인간의 생각과 감정과 상호 작용합니다. 이러한 모델에는 사람들의 생각과 감정이 행동 결과에 영향을 미친다는 이해가 포함됩니다. 이것은 궁극적으로 "마음 이론"의 사고 과정에 영향을 미칩니다.
  • 인간 상호작용의 중요한 요소 중 하나는 사회적 상호작용이다. 따라서 가상의 기계는 감정적 출력과 행동을 식별하고, 이해하고, 유지하고, 기억해야 하는 동시에 이에 대응하는 방법을 알아야 합니다.
  • 사람들로부터 얻은 정보를 기계는 학습에 적용하고 조정할 수 있습니다. 결과적으로 그들은 다양한 상황과 의사 소통하고 대처하는 방법을 알게 될 것입니다.
  • 고도로 발전된 형태의 AI.

현재 다른 유형의 모델은 Alexa에게 명령을 내리거나 잘못된 방향을 표시할 때 Google 지도에 소리치는 것과 같은 단방향 관계를 보여줍니다. 그러나 AI 모델은 화난 행동에 반응하지 않는 것 같습니다. 대신 매번 지휘관에게 절한다. 이러한 유형의 AI 모델의 예는 Hanson Robotics에서 만든 로봇 "Sophia"입니다. 휴머노이드 봇은 다양한 표정을 보여주는 상호작용을 보고 반응할 수 있습니다.

마음 이론은 약간 발전되어 있으며 더 나은 동반자가 될 것입니다. 이러한 유형의 모델은 초기 단계에 있는 것으로 보입니다.

4. 자기 인식

  • 이러한 유형의 AI는 아직 실제적으로 개발되지 않았지만 이야기 속에서만 존재하는 AI의 마지막 단계를 나타냅니다. 이러한 유형의 기계는 여전히 인공 지능의 가상 개념이지만 개발되면 인간보다 더 똑똑해질 것입니다.
  • 자기 인식의 AI 모델은 마음의 이론보다 한 걸음 더 나아가 자기 주도적인 사고와 반응을 갖게 될 것입니다
  • 모델은 시스템이 자기 인식 상태에 도달하는 지점까지 진화할 것입니다. 궁극의 AI 연구 중 하나입니다.
  • 모델은 상호 작용하는 사람들과 감정을 가질 뿐만 아니라 자신의 신념과 욕망을 가질 것입니다.
  • 이 모델은 문명의 발전으로 이어질 수 있지만 재앙적인 상황을 초래할 수도 있습니다. 자기 인식 상태의 달성과 함께, 기계는 자기 보존의 아이디어를 갖게 될 것입니다. 이것은 이러한 유형의 AI가 계획을 짜면서 AI가 인류를 인수하는 상황으로 이어질 수 있습니다.

결론

다양한 유형의 AI 개발 배후의 주요 가정 은 인간 지능이 디지털 컴퓨터로 프로그래밍할 수 있는 상징적 작업의 형태로 표현될 수 있다는 것입니다. AI 사례 는 AI 모델이 현실 세계를 어느 정도 인지할 수 있는지 보여주었습니다. AI 모델의 가상 개념이 더 발전함에 따라 인간 사고의 복잡성을 지원하기 위해 더 개발된 기계가 필요할 수 있습니다.

인공 지능에 대해 자세히 알아보려면 IIIT-B 및 upGrad의 기계 학습 및 AI 경영자 PG 프로그램을 확인하세요. 이 프로그램은 일하는 전문가를 위해 설계되었으며 450시간 이상의 엄격한 교육, 30개 이상의 사례 연구 및 과제, IIIT를 제공합니다. -B 동문 자격, 5개 이상의 실용적인 실습 캡스톤 프로젝트 및 최고의 기업과의 취업 지원.

AI 주도 기술 혁명 주도

기계 학습 및 인공 지능 분야의 PG 프로그램
지금 신청